1. No category

6. konferenca DAES
Orodja za podporo
odločanju v kmetijstvu
in razvoju podeželja
Krško, 2013
6. konferenca DAES
Orodja za podporo odločanju v
kmetijstvu in razvoju podeželja
Krško,
18. – 19. April 2013
Orodja za podporo odločanju v kmetijstvu in razvoju podeželja
Uredil:
dr. Andrej Udovč
Programski odbor:
dr. Emil Erjavec (predsednik), dr. Jernej Turk, dr. Andrej Udovč, dr. Miro Rednak, dr.
Martin Pavlovič, dr. Stane Kavčič
Izdajatelj:
Društvo agrarnih ekonomistov Slovenije – DAES; zanj dr. Jernej Turk
Prelom in priprava za tisk:
dr. Andrej Udovč, Maja Mihičinac
Oblikovanje naslovnice:
Grega Kropivnik
Tisk:
1. izdaja
Naklada 250 izvodov
Ljubljana, 2013
Prispevki so recenzirani. Za jezikovno pravilnost in vsebino odgovarjajo avtorji.
CIP - Kataložni zapis o publikaciji
Narodna in univerzitetna knjižnica, Ljubljana
63:005(082)
338.43.02(082)
DRUŠTVO agrarnih ekonomistov Slovenije. Konferenca (6 ; 2013 ; Krško)
Orodja za podporo odločanju v kmetijstvu in razvoju podeželja / 6. konferenca
DAES, Krško, 18.-19. april 2013 ; [uredil Andrej Udovč]. - 1. izd. - Ljubljana : Društvo
agrarnih ekonomistov Slovenije - DAES, 2013
ISBN 978-961-91094-7-2
1. Gl. stv. nasl. 2. Udovč, Andrej
271247616
Organizacije pridelovalcev,
potrošne navade in poslovno
odločanje
6. konferenca DAES »Orodja za podporo odločanju v kmetijstvu in razvoju podeželja«.
Krško, 18.-19. april 2013, s. 271-286.
UPORABA RAZLIČNIH RAZISKOVALNIH
ORODIJ V PROCESU MODELIRANJA
GOSPODARSKEGA GROZDA SLOVENSKIH
PRIDELOVALCEV ZELENJAVE
Jože PODGORŠEKa, Andrej UDOVČb, Katja VADNALb
IZVLEČEK
Modeliranje v agrarni ekonomiki je pogosto težje kot v ostalih panogah
kmetijstva. Razloge za to lahko najdemo v specifičnosti podatkov, saj pogosto
obdelujemo nenumerične podatke, ki jih označujemo opisno. Prav tako nas viri in
količina pridobljenih podatkov omejujeta pri uporabi klasičnih statističnih metod
obdelave numeričnih podatkov. Zato smo se v procesu modeliranja raziskovalnega
modela povezovanja slovenskih pridelovalcev zelenjave posluževali različnih
raziskovalnih metod za obdelavo numeričnih in nenumeričnih podatkov. Pridobljene
podatke s strani odjemalcev sveže zelenjave, statistične podatke in podatke,
pridobljene iz literature smo obdelovali s pomočjo sistemske analize, s pomočjo
katere smo postavili prvi osnutek modela povezovanja pridelovalcev zelenjave.
Postavljen osnutek smo z različnimi raziskovalnimi orodji obdelovali in nadgrajevali
do končnega oblikovanja razvitega modela. V procesu nadgrajevanja osnutka smo
najprej uporabili primerjalno analizo, katere rezultate in podatke smo uporabili tudi
za večkriterijsko analizo DEX, ki smo jo opravili s pomočjo programa DEXi.
Pridobljene rezultate različnih raziskovalnih orodij smo v procesu raziskovanja
vrednotili še s participativnim raziskovanjem. S pomočjo navedenih raziskovalnih
orodij smo izbrali gospodarski grozd kot optimalni model povezovanja pridelovalcev
sveže zelenjave v Sloveniji. S pomočjo večkriterijske analize DEX smo že izbran
model dodatno vrednotili in pri tem iskali najšibkejše točke razvitega gospodarskega
grozda.
Ključne besede: gospodarski grozd, Slovenije, pridelovalci zelenjave, modeliranje
USE OF DIFFERENT RESEARCH TOOLS IN THE PROCESS
OF MODELIN THE ECONOMIC CLUSTER OF SLOVENIAN
VEGETABLES PRODUCERS
ABSTRACT
Modeling in agricultural economics is often more difficult than in other branches
of agriculture. The reasons for this can be found in the specificity of the data, they
often handle non-numerical data, which are referred to descriptively. Sources and
a
Visoka šola za upravljanje podeželja Grm Novo mesto, Sevno 13, 8000 Novo mesto,
[email protected]
b
Biotehniška fakulteta, Oddelek za agronomijo, Jamnikarjeva 101, 1000 Ljubljana, [email protected],
[email protected]
© DAES 2013
Jože Podgoršek in sod.
272
quality of the data are limited as conventional statistical methods of numerical data
are being used.. For that reason, we - in the process of modeling research model
integration Slovenian vegetable producers - used different research methods for
the processing of numerical and non-numerical data. Information obtained from the
clients of fresh vegetables, statistics and data obtained from the literature are
processed through systems analysis, through which we set up the first draft of the
model integration vegetable producers. The draft was - with a variety of research
tools - processed and upgraded to the final design developed model. In the process
of upgrading the draft, we first used a comparative analysis of the results and the
data were used for the multi-criteria analysis of DEX, which was carried out with the
help of the program DEXi. Having obtained results of various research tools in the
research process, we had to evaluate participatory research. With the help of these
research tools the model linking growers of fresh vegetables in Slovenia. was chosen
as the optimum economic cluster. By using multi-criteria analysis of DEX, we have
chosen to evaluate the model further and look at the weakest point of the
developed economic cluster.
Key words: economic cluster, Slovenia, vegetables producers, modelling
1 Uvod
Vsak raziskovalni proces se prične, ko ugotovimo, da obstaja določen problem,
torej neka potreba po spremembi obstoječega stanja. Razumevanje in konkretizacija
opaženega problema vodi k formulaciji delovne hipoteze in cilja ter k iskanju
sredstev, s katerimi bomo želeni cilj lahko dosegli. Preden se lahko odločimo, s
kakšnimi sredstvi si bomo pri nadaljnjem raziskovanju pomagali, je potrebno
opredeliti sistem in nedvoumno določiti njegove meje. Temu sledi vsebinska analiza
sistema. Šele na podlagi spoznanj, pridobljenih z analizo sistema, lahko izberemo
vrsto modela, ki bo najbolj primeren za rešitev zastavljene naloge in nam tako
omogočil najti rešitve problema.
Tudi samo oblikovanje modela je večstopenjski proces. Do dokončne oblike
modela pridemo preko vrste enostavnejših modelov, ki jih izdelamo v obliki različnih
diagramov. Tako vedno najprej izdelamo bolj ali manj preprost diagram, ki vsebuje
izbrane sestavine modela in prikaže povezave med njimi. S postopnim vključevanjem
potrebnih parametrov in spremenljivk v osnovno shemo povečujemo kompleksnost
modela in gradimo dokončni model, ki je primeren za izdelavo računalniškega
programa. Sočasno s procesom oblikovanja modela poteka preverjanje veljavnosti
povezav med posameznimi sestavnimi deli.
Ko je oblikovanje modela zaključeno, sledi verifikacija. To je preverjanje
pravilnosti in zanesljivosti delovanja celotnega modela ter stopnje reprezentativnosti
modeliranega sistema. To je pogosto najzahtevnejša faza celotnega procesa
modeliranja, kjer se odločimo, ali oblikovani model sprejmemo ali ga zavrnemo. V
slednjem primeru je potrebno ponavljati odgovarjajoče predhodne faze dokler ne
dosežemo želene natančnosti testnih rezultatov.
Proces raziskovanja s pomočjo modelov ima dve temeljni fazi:
1. sistemska analiza in oblikovanje modela
2. uporaba razvitega modela za iskanje rešitev na zastavljena vprašanja.
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
273
Proces oblikovanja modela lahko opišemo z naslednjimi koraki (Berg in
Kuhlmann 1993):
1. opredelitev raziskovalnih ciljev in določitev sistema, ki ga bomo preučevali,
2. sistemska analiza,
3. oblikovanje modela,
4. preverjanje veljavnosti (verifikacija) modela,
5. analiza občutljivosti,
6. uporaba oblikovanega modela.
Proces oblikovanja modela ter medsebojnih povezav posameznih korakov je
prikazan tudi na naslednji sliki.
korak 1
OPREDELITE SISTEMA IN CILJA
MODELIRANJA
korak 2
ANALIZA PODATKOV
korak 3
OBLIKOVANJE MODELA
korak 4
PREVERJANJE VELJAVNOSTI MODELA
korak 5
ANALIZA OBČUTLJIVOSTI
korak 6
OPREDELITE SISTEMA IN CILJA
MODELIRANJA
Slika 1: Shema procesa oblikovanja modela (Udovč, 1997: 27)
2 Analiza organizacijskih struktur
Osnovno teoretično izhodišče za večino raziskovanja v okviru upravljavske
znanosti predstavlja teorija sistemov. Po von Bertalanffyju (1972), ki velja za
utemeljitelja sistemske teorije, je določen sistem množica medsebojno povezanih
elementov p1, p2, p3,…, ki so kvantitativno opredeljeni s količino Q1, Q2, Q3,…. Poleg
splošnih definicij sistema obstaja tudi mnogo dodatnih razlag tega pojma. Tako
poznamo definicije sistema, kot so (Feuvrier, 1971):
•
sistem je skupina humanih in mehaničnih sestavin povezanih z namenom, da
doseže cilj, ki ga zastavi vodstvo,
•
sistem je kombinacija ljudi, strojev, snovi in informacij, združenih z namenom
uresničevanja zastavljenega cilja,
•
sistem je pojav, definiran s seznamom spremenljivk, ki so pri tem upoštevane.
© DAES 2013
Jože Podgoršek in sod.
274
Kadar govorimo o organizacijski strukturi, si večina pod tem predstavlja
organizacijsko shemo, vendar je to samo vizualna predstavitev veliko bolj
kompleksne ideje. Organizacijska struktura je po Vila in Kovač (1997) sestavljena iz
treh osnovnih elementov, ki so:
•
kompleksnost, s katero opišemo vertikalno in horizontalno diferenciacijo, ki
pomeni definiranje funkcij, oddelkov in služb;
•
formalizacija, pod katero razumemo definiranje organizacijskih:
•
•
politik, splošnih smernic, ki definirajo meje, znotraj katerih lahko
posamezniki sprejemajo odločitve,
•
procedur ali niza postopkov, ki jim je potrebno slediti, da se
določena naloga opravi,
•
pravil, osnovnih postopkov (nalog), ki morajo biti opravljeni.
Običajno je to del neke organizacijske procedure;
centralizacija, pod čimer razumemo stopnjo centraliziranosti oziroma
decentraliziranosti organizacije z ozirom na planiranje in odločanje.
Iskanje optimalne organizacijske strukture je zaradi kompleksnosti le-te
dolgotrajen proces, v katerem kombiniramo različna raziskovalna orodja, s pomočjo
katerih izbiramo in potrjujemo rešitve. Pri modeliranju gospodarskega grozda
slovenskih pridelovalcev zelenjave smo v raziskavi v letih 2005 do 2009 uporabili
sledeča raziskovalna orodja za modeliranje – iskanje optimalne organizacijske oblike:
-
sistemska analiza,
-
primerjalna analiza,
-
večparametrska analiza DEX.
V procesu potrjevanja izbranih rešitev raziskave pa smo se posluževali sledečih
raziskovalnih orodij:
-
participativno raziskovanje,
-
večparametrska analiza DEX.
2.1 Sistemska analiza
Pod sistemsko analizo razumemo metode za rešitev kompleksnih problemov
organizacije, kontrole in odločanja v organizacijah. Pojem sistemska analiza združuje
torej postopke, tehnike in metode, s katerimi analiziramo komercialne, tehnične in
znanstvene postopke, procese in funkcije s ciljem, da bi pridobili spoznanja za
racionalizacijo teh postopkov, procesov in funkcij. Sistemska analiza ima značaj
spoznavne metode in je sestavni del splošne sistemske teorije, ker služi kot sredstvo
za oblikovanje učinkovitih tehničnih in/ali ekonomskih sistemov. Sistemska analiza se
konča z navodilom za tehnično ravnanje (Koreimann, 1985).
Z vidika informacijskega sistema organizacijskega modela se sistemska analiza
deli na dve glavni področji:
1. sistemska tehnika kot vsota postopkov in metod funkcijskih območij delovne
organizacije, to pomeni kot vsota realnih procesov delovne organizacije in s
tem povezana uporabno orientirana zastavitev problema.
2. tehnika obdelave podatkov kot vsota analitično-metodičnih načinov ravnanja
glede na raziskovanje in ovrednotenje prisotnih oz. potencialnih tehnik
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
275
rešitev, ki jih z njihove strani lahko ločimo v strojno ali programsko tehniko.
Glede na različne znanstvene vede in discipline, v katerih se sistemska teorija
uporablja, lahko sisteme ločimo po skupinah. Ena od teh je tudi posebna skupina t.i.
kmetijskih sistemov. Različni avtorji različno opredeljujejo kmetijske sisteme. Tako
so poznane opredelitve sistema kot sistema za pridelavo kmetijskih dobrin pa do
sistema rastlinskih in živalskih življenjskih procesov ter vse do sistema svetovne
trgovine s kmetijskimi dobrinami. Najbolje je kmetijski sitem opredelil Csaki (1985).
Zanj je kmetijski sistem neka organizirana skupina ljudi, materialov, tehničnih
sredstev ter rastlinskih in živalskih organizmov, ki v okviru delitve dela izpolnjujejo
različne naloge, katerih skupni cilj je produkcija kmetijskih proizvodov. Kmetijski
sistem je po svoji naravi vedno interdisciplinaren, saj vsebuje celo paleto različnih
sestavin, ki segajo od bioloških do socioloških. Poleg tega se posamezni elementi
med seboj močno razlikujejo.
Oblikovanje sistema – modeliranje
Berg in Kuhlmann (1993) ugotavljata, da človek pri reševanju problemov
neprestano izhaja iz subjektivnega, poenostavljenega modela svoje okolice. To
pomeni, da realnosti ne pozna objektivno, temveč razpolaga samo z določenimi
slikami in predstavami o njej, na podlagi katerih temelji njegov proces reševanja
problemov.
Modele lahko delimo na fizične in simbolne. Prvi predstavljajo fizično ponazoritev
proučevanega sistema in imajo določen pomen le še v tehničnih znanostih. V
naravoslovnih in družboslovnih znanostih močno prevladujejo simbolni modeli. Le-ti
imajo višjo stopnjo abstrakcije in k njihovi uveljavitvi je močno prispeval razvoj
računalništva. Simbolne modele lahko razdelimo na (Udovč, 1997):
•
verbalne modele, kjer sta opis in analiza sistema izpeljana na temelju logike z
verbalnimi opisi delovanja in strukture sistema,
•
matematične modele, kjer so za opis delovanja in strukture uporabljene
matematične metode.
2.2 Matematično modeliranje v kmetijstvu
Matematični modeli v kmetijstvu so bili v preteklosti rezervirani zgolj za
znanstvene sfere. Prve korake iz teh krogov predstavljajo linearni modeli, ki jih je
oblikoval Haedy (Csaki, 1985). Kljub temu so bile raziskave na ekonomsko
poslovnem nivoju kmetijstva vodene vse preveč v skladu z interesi njihovih
sestavljavcev, kar je še dodatno povečalo nezaupanje potencialnih uporabnikov.
Zaradi tega so raziskovalci pričeli oblikovati bolj univerzalne modele, primerne za
reševanje večjih podobnih problemov (Udovč, 1997).
Glede na to, da je kmetijstvo zapleten sistem, pri proučevanju sistemov naletimo
na procese in povezave, ki jih ni mogoče opisati z analitičnimi metodami. Če pa jih
že opisujemo na tak način, je to povezano z zelo velikimi poenostavitvami. Te
omejitve presežemo z uvedbo modelov, v katerih opisujemo procese in povezave z
različnimi matematičnimi algoritmi. S takimi modeli je načeloma možno reševati
poljubno nalogo, vendar le v numerični obliki.
© DAES 2013
Jože Podgoršek in sod.
276
2.3 Primerjalna analiza (benchmarking)
Primerjalna analiza je zunanji pogled na notranje aktivnosti, dejavnosti ali
procese, ki se izvajajo z namenom stalnega izboljševanja. Temelji na analiziranju in
razumevanju obstoječih aktivnosti ter procesov, ki potekajo na določenem področju.
Nadaljuje se z ugotavljanjem zunanjih priporočil oziroma standardov, s katerimi bi
lahko primerjali in ocenjevali obstoječe procese. Poglavitni cilj analize je biti boljši od
najboljšega in preseči konkurenco. Zaradi učinkovitosti analize je slednja v svetu
vedno bolj razvito analitično orodje za izboljševanje poslovanja. Pomeni tudi
sistematično in nenehno iskanje novih praks, ki bodo pripeljale do konkurenčnega
uspeha (McNair in Liebfried, 1992).
najboljše prakse v določeni funkciji na svetu »word class«
najboljše prakse po funkciji v večjem geografskem področju
najboljše prakse v panogi
najboljše prakse konkurentov
najboljše notranje
prakse po funkciji
Slika 2: Razmišljati zunaj, preko meja (Spendolini, 1992: 23)
Tip benchmarkinga opredelimo glede na dve izhodišči: prvič, kaj primerjamo z
benchmarkingom, in drugič, od kod pridobivamo benchmarkinške informacije. Ko
primerjamo izdelke, storitve, procese in prakse znotraj podjetja, govorimo o
internem benchmarkingu.
O eksternem benchmarkingu pa govorimo, ko gre za primerjavo bodisi z
neposrednimi konkurenti (konkurenčni benchmarking) bodisi z drugimi podjetji, ki
niso neposredni konkurenti (nekonkurenčni benchmarking). Nekonkurenčni
benchmarking lahko nadalje delimo glede na to, ali gre za primerjavo z vodilnimi
podjetji v panogi/dejavnosti (funkcijski benchmarking) ali pa je ta primerjava
usmerjena na najboljše podjetja nasploh (splošni benchmarking) (Bendell in sod.,
1993; Spendolini, 1992).
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
277
2.4 Programiranje in modeliranje
S pravilno oblikovanim modelom preučujemo vzročno – posledične povezave
med bistvenimi značilnostmi pojava znotraj realnega sistema. Za potrebe poslovnega
odločanja se najpogosteje uporabljajo matematični modeli, ki so z razvojem
računalništva še pridobili na uporabnosti in veljavi (Grželj, 2003). Pogosto
uporabljeni modeli za programiranje in modeliranje so:
•
linearno programiranje,
•
AHP model,
•
DEXI model.
2.4.1 Linearno programiranje
Linearni program je sistem enačb oziroma neenačb, v katerih spremenljivke
zadoščajo pogojem nenegativnosti, namenska funkcija pa nam da optimalno rešitev,
ki je v našem primeru maksimalna. Linearni program zapišemo v matematični obliki.
Reševanje problema z linearnim programiranjem je možno na več načinov (Zadnik,
2001):
1. Zelo enostavne probleme z dvema spremenljivkama lahko rešujemo grafično.
Premice omejujejo področje možnih rešitev. To so vse tiste vrednosti
spremenljivk, ki ustrezajo omejitvam linearnega programa.
2. Probleme z večjim številom spremenljivk ni več mogoče reševati grafično,
temveč se uporabljajo matematični načini reševanja.
Za uporabo metode linearnega programiranja bi potrebovali matematično
uporabne, to je številčne spremenljivke, ki zadoščajo pogojem nenegativnosti (Finci
in sod., 1975). Ne glede na široko uporabnost te metode je za modeliranje v
procesu iskanja optimalne organizacijske oblike pridelovalcev sveže zelenjave v
Sloveniji ta metoda neprimerna, saj se vsi atributi ne morejo zapisati v zahtevani
obliki, temveč nekateri zgolj v opisni.
2.4.2 AHP (Analytic Hierarchy Process) model
Ta analitična metoda se nanaša na ugotavljanje sestavnih delov odločitvenega
problema in na razčlenjevanje (določitev podrobnosti). Obravnava tudi sintezo, saj
nam pomaga pri sintezi številnih faktorjev, ki nastopajo pri kompleksnih odločitvah.
Model rešuje kompleksne probleme hierarhično, po funkcijah, pomembnosti.
Pogosto rešujemo večnivojske odločitvene probleme. Za dvonivojski odločitveni
problem je postopek sledeč (Škraba, 2007):
•
določitev cilja,
•
določitev kriterija,
•
določitev alternativ,
•
primerjava alternativ glede na posamezen kriterij (primerjava parov) –
določitev prioritet posameznih alternativ glede na izbran kriterij,
•
preverjanje konsistentnosti razmerij,
•
primerjanje kriterijev glede na cilj – določitev pomembnosti kriterijev,
•
preverjanje konzistentnosti razmerij,
•
sinteza in ocenjevanje – določitev najbolj ugodne rešitve glede na kriterijsko
funkcijo,
•
analiza občutljivosti - morebitna korekcija odločitve.
© DAES 2013
Jože Podgoršek in sod.
278
Slika 3: Način reševanja kompleksnih problemov po AHP metodi (Škraba, 2007: 23)
Uporaba AHP metoda je dokaj enostavna pri konzistentno (medsebojno
povezanimi in z določljivimi razmerji) postavljenimi kriteriji. Pogosteje se vrednosti
kriterijev za dosego cilja izražajo kvantitativno, kvalitativno in v različnih merskih
enotah.
2.4.3 DEX / DEXi model
DEX je lupina ekspertnega sistema za večkriterijsko odločanje. Uporablja se za
podporo odločevalcem pri reševanju zapletenih problemih odločanja tako v poslovni,
kot tudi individualni rabi. V primerjavi s splošnimi večkriterijskimi sistemi ima dve
posebnosti:
•
uporablja kvalitativne diskretne kriterije, vrednosti so običajno opisane z
besedami, le redko so to številke ali numerični intervali;
•
funkcije koristnosti so podane s preprostimi odločitvenimi pravili tipa: če –
potem; na ta način je funkcija koristnosti podana po točkah.
Vrednotenje z modelom DEX je razdeljeno v več faz:
1. Identifikacija problema in priprava spiska kriterijev;
2. Strukturiranje kriterijev; opravimo na osnovi medsebojne odvisnosti in
vsebinskih povezav;
3. Merske lestvice; pri metodi DEX so zaloge vrednosti kriterijev sestavljene iz
besed ali numeričnih intervalov;
4. Definicija funkcije koristnosti; funkcije koristnosti so podane s preprostimi
odločitvenimi pravili tipa: »če – potem«;
5. Vrednotenje in analiza variant; DEX tako zbrane podatke o vrednotah
ovrednoti v skladu s strukturo kriterijev in odločitvenimi pravili.
Odločitveni model DEXi, čigar podlaga je lupina ekspertnega sistema DEX, sledi
konceptu večkriterijskega ocenjevanja s tem, da se osnovni problem razčleni v
manjše, manj kompleksne probleme. Ocena variante se izračuna s postopki
združevanja delnih ocen atributov, kot je npr. utežna vsota. Celotni postopek je
zasnovan tako, da lahko odločevalec kar najučinkoviteje izrazi svoje preference, to
je stopnje (ne)zaželenosti variant, kar se uporabi za oceno variante. DEX-ov pristop
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
279
je kombiniran z nekaterimi prvinami ekspertnega sistema in strojnega učenja
(Kozjek in sod., 2007).
3 Modeliranje organizacijske oblike pridelovalcev sveže
zelenjave
Izbor organizacijske oblike in postavitev modela organiziranja tržnih
pridelovalcev zelenjave v Sloveniji smo opravili z načrtnim in postopnim
raziskovanjem problema. Pri tem smo vmesna dognanja potrjevali z navedenimi
orodji in metodami in šele po potrditvi vmesnih domnev nadaljevali z raziskavo.
Potek raziskave je potekal skladno s shemo na sliki.
Slika 4: Shema poteka raziskave
3.1 Sistemska analiza in oblikovanje modela organiziranja
V gospodarskem grozdu slovenskih pridelovalcev sveže zelenjave kot izbrani
optimalni organizacijski obliki sodelujejo poleg pridelovalcev tudi ostali partnerji v
verigi vrednosti, kot so odjemalci, razvojno raziskovalne institucije, izobraževalne
institucije in ponudniki repromateriala. S pomočjo sistemske analize smo oblikovali
prvi model informacijskega sistema kot organizacijske oblike medsebojnega
sodelovanja in opredelili njegove parametre. Vir potrebnih podatkov za sistemsko
analizo so bili rezultati anketne raziskave ter deloma pregledana literatura. Glavni cilj
© DAES 2013
Jože Podgoršek in sod.
280
te metode je bil oblikovanje osnovnih elementov informacijskega sistema in
opredelitev sistema sodelovanja med njimi.
Pri izdelavi modela smo pridelovalce sveže zelenjave obravnavali kot sistem, v
katerem praviloma poteka večstopenjski proizvodni proces. V sistemu obstaja
množica medsebojnih odvisnosti in povezav med posameznimi akterji modela. Na
podlagi sistemske analize smo oblikovali sintetični skeletni model organizacijske
strukture, v katerem so opredeljeni predvideni notranji tokovi.
3.2 Primerjalna analiza
S primerjalno analizo smo pregledali prednosti in slabosti posameznih obstoječih
organizacijskih oblik na področju organiziranja v kmetijstvu in v drugih panogah,
kjer se pojavljajo drugačni modeli medsebojnega sodelovanja med partnerji. Pri tem
smo uporabili opise delovanja najpogostejših organizacijskih oblik, ki se pojavljajo v
kmetijski panogi in drugje. Za metodo primerjalne analize smo vrednotili in
primerjali sledeče organizacijske oblike:
•
samostojni pridelovalci,
•
zadruga,
•
organizacija pridelovalcev,
•
konzorcij,
•
gospodarski grozd.
S pomočjo te metode smo izbrali organizacijski model, ki povzema pozitivne
prakse pri že postavljenih modelih v drugih panogah in poskusili pripraviti še boljši
model, ki ne bo rezultati slepega posnemanja, temveč razvoja obstoječih modelov. S
pregledom literature in v skladu s postavljenimi cilji in hipotezami raziskave smo
določili parametre, ki odločujoče vplivajo na izbiro modela organiziranja.
3.3 Večkriterijska analiza z uporabo programa DEXi
V fazi identifikacije kriterijev atributov smo najprej določili spisek kriterijev glede
na zastavljene cilje, po katerih smo ocenjevali posamezne variante. Iz spiska
kriterijev smo zgradili drevesno strukturo vsebinsko združenih kriterijev. Na koncu
smo določili še zaloge vrednosti za kriterije.
Večkriterijsko analizo smo uporabili v dveh fazah raziskave. Prvič smo s pomočjo
te analize izbirali najustreznejši model organiziranosti in s tem preverjali rezultate že
izvedene primerjalne analize. Obe analizi sta izbrali enak koncept modela
organiziranosti. Zato smo z drugo fazo večkriterijske analize dodatno vrednotili
kriterije izbranega modela organiziranja.
3.3.1 Preverjanje izbranega modela organiziranja
S primerjalno analizo in sistemsko analizo izbran model organiziranja smo
preverili s pomočjo programa za modeliranje in programiranje DEXi. Preverjanje
izbranega modela smo opravili na podlagi zahtevanih parametrov modela. Program
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
281
DEXi smo izbrali kot optimalno orodje glede na obliko in razpoložljive zaloge
vrednosti vhodnih podatkov.
Posamezni načini nastopanja pridelovalcev na trgu imajo pozitivne in negativne
učinke na sodelujoče partnerje in na njihove konkurenčne prednosti. Za potrebe
izbora organizacijske oblike smo določili kriterije, ki vplivajo na izbor modela
organiziranja in njihove zaloge vrednosti. Pri tem smo posamezne kriterije razčlenili
na parametre, ki vplivajo nanje. Postavljene kriterije in zaloge vrednosti smo določili
na podlagi rezultatov sistemske in primerjalne analize. Glavni postavljeni kriteriji in
njihovi parametri ocenjevanja so sledeči:
•
vpliv organizacijske oblike na razvoj pridelave, na kar vplivajo sledeči
parametri:
o sodelovanje partnerjev pri razvoju izdelkov,
o razširitev pestrosti ponudbe znotraj organizacijske oblike,
o vnos novih tehnologij v verigo vrednosti,
•
regulacija ponudbe in povpraševanja, na kar vplivajo sledeči parametri:
o obseg dogovorjene prodaje v fazi zasnove pridelave,
o vpliv na veleprodajno ceno zelenjave,
o obseg regulirane pridelave glede na povpraševanje,
o promocija zelenjave,
•
delovanje organizacijske oblike, na kar vplivajo sledeči elementi:
o stroški delovanja organizacijske oblike,
o dogovor s partnerji in zvestoba do dogovorjenih postavk.
Vsakemu od kriterijev smo določili zaloge vrednosti, ki so vplivale na oceno
organizacijske oblike.
Preglednica 1: Zaloge vrednosti izbranih kriterijev
Izbrane kriterije smo uporabili za ocenjevanje posamezne organizacijske oblike,
ki se pojavlja v okolju konkurenčne ponudbe sveže zelenjave. S pomočjo
ocenjevanja smo izbrali optimalen model organiziranja pridelovalcev zelenjave v
Sloveniji.
Vsaki organizacijski obliki smo ocenili vrednost posameznega kriterija in na
podlagi ocenjenih vrednosti izluščili najboljšo organizacijsko obliko. Rezultati analize
so potrdili z metodo primerjalne analize že postavljeno organizacijsko obliko, ki je
© DAES 2013
Jože Podgoršek in sod.
282
gospodarski grozd. Rezultati vrednotenja posameznih organizacijskih oblik so podani
v spodnji sliki.
Slika 5: Ocena posamezne organizacijske oblike glede na ocenjene kriterije
3.3.2 Vrednotenje kriterijev gospodarskega grozda
Po izboru organizacijske oblike smo vrednotili kriterije izbranega modela
povezovanja, to je gospodarskega grozda. Uteži posameznih kriterijev smo pridobili
s pomočjo ankete pri pridelovalcih sveže zelenjave. S pomočjo poštne ankete smo
določili povprečne vrednosti (uteži), ki so bile:
•
•
•
ocena medsebojnega sodelovanja: 54 %
•
sodelovanje pridelovalcev z odjemalci: 45 %
•
dogovor s kupci: 40 %
•
zvestoba: 15 %
oblikovanje in delovanje gospodarskega grozda: 28 %
•
pristop k oblikovanju organizacijske oblike: 55 %
•
prispevek pridelovalcev za delovanje gospodarskega grozda: 45 %
sodelovanje ostalih partnerjev v grozdu: 18 %
© DAES 2013
o
sodelovanje pridelovalcev s pridelovalci: 38 %
o
sodelovanje predelovalne industrije: 24 %
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
283
o
sodelovanje razvojnih institucij: 19 %
o
sodelovanje svetovalnih in izobraževalnih institucij: 19 %
Na podlagi ocen kriterijev gospodarskega grozda in uteži lahko določimo najbolj
občutljive kriterije. Pridelovalci so dali največji poudarek medsebojnemu sodelovanju
z odjemalci. V kolikor tega sodelovanja ne bo, potem bo izbran model organiziranja
napačen in bi bil verjetno boljši drug model, kot je zadruga, pri katerem se
pridelovalci ne srečujejo s končnim odjemalcem, temveč le s posrednikom. Pri
vrednotenju modela se pomembnost omenjenega kriterija vidi v tem, da je ocena
gospodarskega grozda vedno slabša v primeru, ko ta kriterij ni ocenjen najbolje, kar
prikazuje spodnja slika.
Slika 6: Ocena modela organiziranja glede na ocenjene kriterije
Preverjanje oblikovanega modela pri partnerjih grozda
Zaradi večje kredibilnosti in uporabnosti modela smo izbran model ves čas
raziskave sproti preverjali pri pridelovalcih zelenjave in strokovnjakih s področja
vrtnarstva in trženja vrtnin z metodo participativnega sodelovanja v obliki soočenj.
Pripravili smo tri delavnice po metodi »delavnice prihodnosti« (Danish Board of
Technology, 2006), in sicer:
1.
delavnica: Možnosti skupnega nastopa slovenskih pridelovalcev zelenjave na
trgu,
2.
delavnica: Priprava grozda za območje JV Slovenije,
3.
delavnica: Soočenje izbranih poznavalcev – ekspertna skupina
© DAES 2013
Jože Podgoršek in sod.
284
4 Razprava o raziskovalnih orodjih
Glede na vire in količino potrebnih podatkov smo zasnovo modela organiziranja
pripravili s sistemsko analizo. Pri izboru modeliranja s pomočjo sistemske analize
smo se odločili za simbolni verbalni model, ki je prevladujoč v družboslovnih
znanostih. V tem tipu modela sta opis in analiza sistema izpeljana na temelju logike
z verbalnimi opisi delovanja in strukture sistema 1 (Udovč, 1997). Izbrano analizo
smo uporabili podobno kot drugi raziskovalci, saj združuje postopke, tehnike in
metode s katerimi smo analizirali komercialne, tehnične in znanstvene postopke,
procese in funkcije s ciljem, da bi pridobili spoznanja za racionalizacijo le-teh.
Podatke, potrebne za sistemsko analizo, smo pridobili s pregledom literature in
statističnih podatkov. Kazalce percepcije posameznih akterjev gospodarskega grozda
smo preverili z anketo. Pri pridelovalcih je bila smiselna poštna anketa, saj
razdrobljenost pridelave in število pridelovalcev otežujeta drugačne raziskovalne
poti. Ta način anketiranja smo uporabili v dveh primerih, in sicer za potrebe
sistemske analize in na koncu za vrednotenje izbranega modela organiziranja ter
določanju pomena posameznim faktorjem grozda za njegovo nadaljnjo vrednotenje.
Ostale akterje gospodarskega grozda smo anketirali osebno oziroma pridobivali
podatke s participativnim raziskovanjem.
Primerjalna analiza kot raziskovalno orodje za vrednotenje pridobljenega modela
se je v procesu raziskovanja pokazala kot ena izmed boljših raziskovalnih orodij. S to
metodo nismo zgolj potrdili s sistemsko analizo postavljen temelj modela
organiziranja, temveč smo tega primerjali z ostalimi načini sodelovanja in iskali
prednosti in slabosti posameznega modela. Primerjalno analizo smo uporabili za
primerjavo grozda kot izbrane organizacijske oblike z ostalimi, kot so zadruga,
organizacija pridelovalcev, konzorcij in drugimi, ki se pojavljajo v in izven kmetijske
panoge v Sloveniji in širše.
S sistemsko in večkriterijsko analizo izbranega grozda kot optimalne
organizacijske oblike smo dodatno vrednotili še z metodo večkriterijske analize. Pri
tem smo uporabili metodo DEX in računalniški program DEXi kot orodje. K uporabi
te metode in orodja so nas napeljali nematematični podatki 2 , s katerimi smo
postavljali model. Opisne spremenljivke in predvsem opisno podane zaloge vrednosti
so omogočale uporabo programa DEXi kot orodja za večkriterijsko analizo, s katero
smo postavljen model in kriterije grozda dodatno vrednotili in preverjali. Za podobne
raziskave nekateri raziskovalci uporabljajo še druge programe kot orodja za analizo,
ki so se v našem primeru pokazala kot neprimerna izbira. Eden od takih je linearni
program kot računalniško orodje. To je sistem enačb oziroma neenačb, v katerih
spremenljivke zadoščajo pogojem nenegativnosti, namenska funkcija pa nam da
optimalno rešitev, ki je v tem primeru maksimalna. Linearni program zapišemo v
matematični obliki. V našem raziskovalnem primeru programa ne moremo zapisati v
matematični obliki, prav tako nismo mogli zagotavljati matematično uporabne
spremenljivke. Podobna analitična metoda je metoda AHP. Ta je dokaj enostavna pri
konzistentno (medsebojno povezanimi in z določljivimi razmerji) postavljenimi
kriteriji. Pogosteje se vrednosti kriterijev za dosego cilja izražajo kvantitativno,
1
2
Matematični modeli so drug tip simbolnih modelov, kjer so za opis delovanja in strukture uporabljene matematične
metode.
za vrednotenje modela smo uporabili predvsem opisne spremenljivke z opisno podanimi zalogami vrednosti
© DAES 2013
Uporaba različnih raziskovalnih … slovenskih pridelovalcev zelenjave
285
kvalitativno in v različnih merskih enotah. Metoda potrebuje medsebojno primerljive
kriterije, ki jih v naši raziskavi nismo mogli zagotavljati. Zato je tudi ta sicer široko
uporabna metoda za naš raziskovalni problem neprimerna.
Torej, vstopni podatki našega primera odločanja najbolj ustrezajo modelu DEXi,
ki uporablja kvalitativne diskretne kriterije, vrednosti so običajno opisane z
besedami, le redko so to številke ali numerični intervali. Pri tem modelu smo sledili
konceptu večkriterijskega odločanja s tem, da smo osnovni problem razčlenili v manj
kompleksne probleme. Oceno posamezne variante smo izračunali s postopki
združevanja delnih ocen atributov. Zaloge vrednosti kriterijev atributov so diskretne,
urejene od slabih proti dobrim
V procesu raziskovanja in modeliranja smo pogosto preverjali vmesne korake in
rezultate modeliranja. V ta namen smo izkoristili že organizirane dogodke oziroma
nekatere tudi sami organizirali z namenom potrjevanja rezultatov raziskave. Izbrano
participativno raziskovanje smo uporabili za najpomembnejše dogodke raziskave. Pri
tem smo na vodenih delavnicah predstavili raziskovalni problem in namen
pridobljenih rezultatov. Kakršna koli druga metoda (poštna ali telefonska anketa,
elektronska pošta, ipd.) bi bila za potrebe želenih rezultatov dolgotrajnejša in manj
učinkovita. Izbira in odzivnost kompetentnih sogovornikov v procesu
participativnega raziskovanja daje dobljenim rezultatom raziskave še večjo veljavo in
verodostojnost.
S pomočjo navedenih raziskovalnih metod smo izbrali gospodarski grozd kot
optimalno obliko povezovanja in sodelovanja pridelovalcev z ostalimi členi v verigi
vrednosti ter drugimi, povezanimi s panogo pridelovanja zelenjave. V nadaljevanju
želimo izbran model primerjati z drugimi organizacijskimi oblikami ter dobljene
rezultate primerjati z drugimi raziskovalci.
5 Viri
Berg E., Kuhlmann F. 1993. Systemanalyse und Simulation für Agrarwissenschaftler und
Biologen. Stuttgart, Ulmer: 344 str.
Bendell T., Boulter L., Kelly J. 1993. Benchmarking for competitive advantage. London, Pitman
Publishing: 266 str.
Bertalanffy L. von. 1972. Zu einer allgemeinen Systemtheorie. – V: Organisation als System,
Bleicher K. (ed.). Wiesbaden, Gabler Verlag: 31- 45.
Csaki C. 1985. Simulation and System Analysis in Agriculture. Budapest, Akademiai Kiado: 262
str.
Feuvrier C. V. 1971. La simulation des systemes. Pariz, Dunod: 152 str.
Grželj J. 2003. Model vstopa zavarovalnice na nove trge kmetijskih zavarovanj. Magistrsko delo.
Ljubljana, Biotehniška fakulteta, Oddelek za agronomijo, Ljubljana: 204 str.
Finci Ž., Mulić J., Jahić H. 1975. Primjena simpleks metoda u optimalizaciji proizvodnje
poljoprivrednog gazdinstva. Beograd, Biblioteka zadružna knjiga: 179 str.
Danish Board of Technology. 2006. Workshop Methods.
Kozjek T., Rajkovič V., Ferjan M. 2007. Odločitveni model za izbiro medija pri izvajanju odnosov
z javnostmi. Maribor, Organizacija 40, 1: 65-74
Koreimann D. S. 1985. Sistemska analiza. Ljubljana, Državna založba Slovenije: 213 str.
McNair C. J., Leibfried K. H. J. 1992. Benchmarking a tool for continous improvement. New
York. John willy & sons: 344 str.
Spendolini M. J. 1992. The benchmarking Process: Compensation and Benefits Review. Saranac
Lake, 24, 5. str. 21-29.
© DAES 2013
Jože Podgoršek in sod.
286
Škraba A. 2007. Predstavitev v okviru vaj predmeta Proces odločanja I. Maribor, Univerza v
Mariboru, Fakulteta za organizacijske vede: 15 str.
Udovč A. 1997. »Kmetija« - celovit sistem za podporo odločanju na kmetijskih gospodarstvih.
Ljubljana, Biotehniška fakulteta, Oddelek za agronomijo, Inštitut za agrarno ekonomiko: 141
str.
Vila A., Kovač J. 1997. Osnove organizacije in managementa. Kranj, Moderna organizacija: 319
str.
Zadnik Stirn L. 2001. Metode operacijskih raziskav za poslovno odločanje. Nov mesto, Visoka
šola za upravljanje in poslovanje: 182 str.
© DAES 2013
Študije potrošnih navad
Agrarna politika držav zahodnega Balkana
Ekonometrične analize in matematično modeliranje
Empirični modeli v podporo odločanju kmetijske politike
Modeli v podporo odločanju na ravni gospodarstva
Organizacije pridelovalcev, potrošne navade in poslovno
odločanje
Pravo in razvoj podeželja
© DAES 2013